DCT域内基于视觉注意力机制的图像JND阈值计算方法技术

一种DCT域内基于视觉注意力机制的图像JND阈值计算方法。本发明专利技术提出了两种将显著度和块分类相结合的方案，一种是用单个点的视觉注意力掩蔽因子和块分类的掩蔽因子按照点对点的方式相结合，另一种是用每个块的平均显著度代表整个块的显著度，然后将基于每个块的视觉注意力掩蔽因子和块分类的掩蔽因子按照块到块的方式相结合。使用综合的对比度掩蔽函数计算得到的值对传统的JND阈值进行调制，最终得到更加准确的JND阈值。两种方法都能有效地提高JND阈值的准确度，从而使得JND阈值和人眼视觉系统更加匹配。本发明专利技术提出的图像JND阈值计算方法实现的模型可以容纳更多的噪声，在PSNR方面，模型平均可以提高0.54DB。

【技术实现步骤摘要】
DCT域内基于视觉注意力机制的图像JND阈值计算方法
本专利技术涉及图像/视频编码
技术背景传统的图像/视频编码技术主要针对空间域冗余、时间域冗余以及统计冗余进行压缩编码，但很少考虑到人眼视觉系统特性和心理效应，因此大量视觉冗余数据被编码并传输，为了进一步提高编码的效率，研究人员开始了致力于去除视觉冗余的研究。目前一个表征视觉冗余的有效方法就是基于心理学和生理学的最小可察觉失真模型，简称JND模型，也可称为恰可察觉失真模型，即人眼不能感知的变化，由于人眼的各种屏蔽效应，人眼只能觉察超过某一阈值的噪声，该阈值就是人眼的恰可觉察失真，代表着图像中的视觉冗余度。JND模型常用来指导图像或视频的感知编码和处理，如预处理、自适应量化、码流控制、运动估计等。现有的可察觉失真(JND)模型可以大致分为两类：第一类为像素域JND模型，其基本原理大多是通过表征亮度自适应效应和纹理掩蔽效应来建模，例如文献1(参见X.Yang，W.Lin,Z.Lu,E.P.Ong,andS.Yao,“Just-noticeable-distortionprofilewithnonlinearadditivitymodelforperceptualmaskingcolorimages”,IEEETrans.CircuitsSyst.VideoTechnol.,vol.15,no.6,pp742-752,Jun.2005)中提出了基于空域的彩色图像JND模型，但是由于其无法很好的将对比敏感度函数(ContrastSensitiveFunction,CSF)整合进来，因此这类模型没有办法得到精确的JND值，常作为计算JND阈值的快速方法来使用。第二类JND模型为子带JND模型,这类模型是在变换域中进行计算,例如DCT域、小波域、CONTOURLET域等。由于大多数图像/视频编码标准都是基于DCT域(如JPEG、H.261/3/4、MPEG-1/2/4)，因此基于DCT域的JND模型得到了很多研究者的关注，例如文献2(参见Z.WeiandK.N.Ngan,“SpatialjustnoticeabledistortionprofileforimageinDCTdomain,”InProc.IEEEInt.Conf.MultimedaandExpo,pp.925-928,2008.)中结合图像的亮度自适应特性，空间对比度效应以及基于块分类的对比度掩盖效应，但是该模型并没有考虑人眼的视觉注意力机制对JND模型的影响，因此计算精度有待进一步提高。
技术实现思路
在WEI的模型的基础上本专利技术结合视觉注意力机制提出了一个新的DCT域内图像JND模型建模方法，通过综合考虑视觉注意力效应和对比度掩蔽效应设计出了一种综合的调制函数和亮度自适应效应一起对空间对比度敏感函数进行调制的方法。为此，本专利技术给出技术方案实施步骤为：一种基于DCT域的图像可觉察失真度计算方法，采用如下技术方案，包括以下步骤：步骤S1：将选定的图像进行8x8的DCT变换，将其由空域变换到DCT域。步骤S2：在DCT域，根据空间对比度效应阈值和亮度自适应调制因子的乘积计算获得的基本的可觉察失真度JND值。步骤S3：利用canny边缘检测器对图像进行分块，分为平滑块、边缘块和纹理块，得到基于块结构的对比度掩蔽因子。步骤S4：利用视觉注意模型对图像进行显著性检测，得到图像的显著图。步骤S5：按照步骤S4所得的显著图对图像进行分割，将图像分为显著区域和非显著区域，然后基于每个点的显著值，得到基于视觉注意力机制的对比度掩蔽因子。或者步骤S5为：首先将图像分割成显著区域和非显著区域，然后对步骤S4所得的显著图分块，用每个块的显著值的平均值代替整个块的显著值，并基于每个块的显著值得到基于视觉注意力机制的对比度掩蔽因子。步骤S6：将步骤S5得到的图像显著区域和非显著区域的分割结果和步骤S3所得的块分类结果相结合，对图像进行更加细致的分块，并将基于视觉注意力机制的对比度掩蔽因子和基于块结构的对比度掩蔽因子按照线性关系结合起来，得到综合的对比度掩蔽调制函数，步骤S7：将步骤S6计算得到的调制函数值对步骤S2计算得到的JND基本阈值进行调制，得到最终的JND阈值。上述技术方案体现出的关键技术要点：1、针对传统图像恰可察觉失真模型没有考虑视觉注意力机制这个问题，本专利技术提出了两种DCT域内基于视觉注意力机制的图像恰可察觉失真模型的建模算法，一种是，通过计算基于图像显著度的视觉注意力调制因子，并将该基于像素点的视觉注意力掩蔽因子和基于块结构的对比度掩蔽因子相结合，计算得到综合的对比度掩蔽函数，对传统的基于空间对比度效应和亮度自适应效应的JND阈值进行调制；第二种是，通过计算图像的显著图，并用每个块的显著度平均值代替整个块的显著度因子，然后建立基于块的视觉注意力掩蔽因子和基于块结构的对比度掩蔽因子相结合，得到综合的对比度掩蔽函数对基本的JND阈值进行调制。两种方法都能有效地提高JND阈值的准确度，从而使得JND阈值和人眼视觉系统更加匹配。2、本专利技术提出了视觉注意力掩蔽效应的概念，通过视觉显著度模拟人眼对图像像素点的关注度，从而建立基于视觉显著度的视觉注意力掩蔽效应因子。3、本专利技术提出了两种将显著度和块分类相结合的方案，一种是用单个点的视觉注意力掩蔽因子和块分类的掩蔽因子按照点对点的方式相结合，另一种是用每个块的平均显著度代表整个块的显著度，然后将基于每个块的视觉注意力掩蔽因子和块分类的掩蔽因子按照块到块的方式相结合。4、通过将视觉显著度和块分类相结合，对图像进行更加精细和准确的分块。5、基于每个块的显著特性和块结构特性，通过设置不同的显著度调制因子和块结构调制因子，从而将视觉注意力掩蔽因子和块分类对比度掩蔽因子结合起来，得到综合的对比度掩蔽函数。本专利技术方法的有益效果为：使用综合的对比度掩蔽函数计算得到的值对传统的JND阈值进行调制，最终得到更加准确的JND阈值。在保证同样的视觉主观质量的前提下，本专利技术提出的图像JND阈值计算方法实现的模型可以容纳更多的噪声。附图说明图1是本专利技术DCT域的基于的基于视觉注意力机制的图像可觉察失真度模型框图。图2是本专利技术实例Airplane图像。图3是本专利技术实例Airplane图像进行块分类之后的图像。图4是本专利技术实例Airplane图像进行显著度分类之后的图像。图5是本专利技术实例Airplane图像综合考虑显著度和块结构的细致分块结果。图6为本专利技术DCT域内基于视觉注意力机制的图像JND阈值计算方法流程图。具体实施方式下面以具体实例结合附图对本专利技术作进一步说明:本专利技术提供的实例采用MATLAB7作为仿真实验平台，以512×512的bmp灰度图像Airplane作为选定的测试图像，下面结合每个步骤详细描述本实例：步骤(1)，选定512×512的bmp灰度图像作为输入测试的图像，将其进行8×8的DCT变换，将其由空域变换到DCT域；步骤(2)，在DCT域，根据空间对比度基本阈值和亮度自适应调制因子的乘积计算获得可觉察失真JND值，其计算公式如下：TJND(n,i,j)＝TBasic(n,i,j)×Flum(n)(1)其中，TBasic(n,i,j)代表空间对比度敏感阈值，Flum(本文档来自技高网...

【技术保护点】
一种基于DCT域的图像可觉察失真度计算方法，包括以下步骤：步骤?S1：将选定的图像进行8x8的DCT变换，将其由空域变换到DCT域；步骤S2：在DCT域，根据空间对比度效应阈值和亮度自适应调制因子的乘积计算获得的基本的可觉察失真度JND值；步骤S3：利用canny边缘检测器对图像进行分块，分为平滑块、边缘块和纹理块，得到基于块结构的对比度掩蔽函数；步骤S4：利用视觉注意模型对图像进行显著性检测，得到图像的显著图；步骤S5：若选择方案一，此步骤则按照步骤S4所得的显著图对图像进行分割，将图像分为显著区域和非显著区域，然后基于每个点的显著值，得到基于视觉注意力机制的对比度掩盖因子；若选择方案二，此步骤则首先将图像分割成显著区域和非显著区域，然后对步骤S4所得的显著图分块，用每个块的显著值的平均值代替整个块的显著值，并基于每个块的显著值得到基于视觉注意力机制的对比度掩蔽因子；步骤S6：将步骤S5得到的图像显著区域和非显著区域的分割结果和步骤S3所得的块分类结果相结合，对图像进行更加细致的分块，并将基于视觉注意力机制对比度掩蔽因子和基于块结构的对比度掩蔽因子按照线性关系结合起来，得到综合的对比度掩蔽调制函数；步骤S7：步骤S6计算得到的调制函数值对步骤S2计算得到的JND基本阈值进行调制，得到最终的JND阈值。...

【技术特征摘要】
1.一种基于DCT域的图像可觉察失真度计算方法，包括以下步骤：步骤S1：将选定的图像进行8x8的DCT变换，将其由空域变换到DCT域；步骤S2：在DCT域，根据空间对比度效应阈值和亮度自适应调制因子的乘积计算获得的基本的可觉察失真度JND值；步骤S3：利用canny边缘检测器对图像进行分块，分为平滑块、边缘块和纹理块，得到基于块结构的对比度掩蔽因子；步骤S4：利用视觉注意模型对图像进行显著性检测，得到图像的显著图；步骤S5：按照步骤S4所得的显著图对图像进行分割，将图像分为显著区域和非显著区域，然后基于每个点的显著值，得到基于视觉注意力机制的对比度...

【专利技术属性】
技术研发人员：张冬冬，高利晶，臧笛，孙杳如，
申请(专利权)人：同济大学，
类型：发明
国别省市：